论文与研究

KPop 新方法让 Ring-2.6-1T 在 SWE-bench Verified 上突破 76 分

原文标题:From IcePop to KPop — our team keeps pushing on RL training stability for large MoE models. 👇 KPop...

AI 摘要

团队推出 KPop,用于稳定大规模 MoE 模型的智能体强化学习训练。它用基于二元 KL 散度的自适应掩码机制,替代了此前 IcePop 方法中的固定比例掩码,能根据训练过程中的训练-推理不匹配程度动态调整。这一改进使得 Ring-2.6-1T 模型在无需修改基础设施或路由重放的情况下,仅通过纯 RL 训练,在 SWE-bench Verified 上取得了超过 76 分的成绩。

关键信息

  • 团队推出 KPop,用于稳定大规模 MoE 模型的智能体强化学习训练。
  • 它用基于二元 KL 散度的自适应掩码机制,替代了此前 IcePop 方法中的固定比例掩码,能根据训练过程中的训练-推理不匹配程度动态调整。
  • 这一改进使得 Ring-2.
  • 6-1T 模型在无需修改基础设施或路由重放的情况下,仅通过纯 RL 训练,在 SWE-bench Verified 上取得了超过 76 分的成绩
  • 蚂蚁团队把 IcePop 升级成 KPop,从固定掩码变成自适应 KL 区域,思路很巧。

速览

发布时间
更新时间
来源
X:蚂蚁百灵 (@AntLingAGI)
分类
论文与研究
AI 评分
68
阅读原文 前往信息源阅读完整正文
推荐理由

蚂蚁团队把 IcePop 升级成 KPop,从固定掩码变成自适应 KL 区域,思路很巧。Ring-2.6-1T 纯 RL 直接冲到 SWE-bench 76+,做 agentic RL 训练的同学值得翻一下博客。

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:KPop 新方法让 Ring-2.6-1T 在 SWE-bench Verified 上突破 76 分。2026年5月26日。https://new.nat6.net/news/cmpmsjd610rghsl01l5zfielj/

查看全部 →
  • 塑造产业的物理AI研究

    Mistral AI通过收购Emmi AI,强化其在推动AI研究前沿与工业工程解决方案方面的投入。其目标是为航空航天、汽车、半导体和能源等塑造物理世界的核心产业构建基础性物理AI模型,以加速工程开发。此项研究基于一系列已发表的突破性成果,…

    Mistral AI:News(网页)论文与研究AI 评分 55

  • 社会科学中的编码智能体

    一项针对1260名定量社会科学家的调查显示,虽然81%的受访者用过AI聊天机器人,但仅有20%将Claude Code、Codex等编码智能体常规应用于工作。采用率存在显著差异:以男性名字命名的研究者使用率是女性研究者的两倍;顶尖大学研究…

    Anthropic:Research(发表成果 · 网页)论文与研究AI 评分 69

  • 通过零信任聚合实现的隐私分析

    Google Research 推出了一种新的隐私分析解决方案。该方案结合了一种新的密码学安全聚合协议与可信执行环境(TEE)的透明性,旨在实现前沿的隐私与安全保证。其核心是基于零信任原则,通过密码学与硬件保护的结合,确保系统仅能获取群体…

    Google Research:Blog(网页)论文与研究AI 评分 70